Pearsons korrelation

A/B-testning i R

Lauryn Burleigh

Data Scientist

Antaganden för Pearsons korrelation

  • Val av korrelationstest: dataegenskaper
  • Pearsons korrelation
    • Linjär
    • Normalfördelad

Linjär kurva i graf som ökar från nedre vänster till övre höger.

Graf över standardnormalfördelning.

A/B-testning i R

Pearsons korrelation och A/B-tester

  • Grupp A: Ostpizza
  • Grupp B: Pepperonipizza

 

  • Samband mellan tid att äta pizza och upplevt nöje

Ignorera grupper

  • Nollhypotes – inget samband mellan tid att äta och nöje med pizzan

Varje grupp

  • Nollhypotes – inget samband mellan tid att äta och nöje med ostpizzan
  • Nollhypotes – inget samband mellan tid att äta och nöje med pepperonipizzan
A/B-testning i R

Bestäm urvalsstorlek

  • r förväntad effektstorlek (beräknas med cor())
  • sig.level vid vilket vi förkastar nollhypotesen
library(pwr)
pwr.r.test(r = 0.3, power = 0.80, 
           sig.level = 0.05)

    approximate correlation power 
 calculation (arctangh transformation) 

              n = 84.07364
              r = 0.3
      sig.level = 0.05
          power = 0.8
    alternative = two.sided
A/B-testning i R

Bedöma linjäritet

ggplot(pizza, aes(x = enjoyment, 
                  y = time)) + 
    geom_point()

Spridningsdiagram som visar ett positivt linjärt samband mellan nöje på x-axeln och tid på y-axeln.

ggplot(pizza, aes(x = enjoyment, 
                  y = time)) + 
    geom_point()

Spridningsdiagram som visar ett positivt linjärt samband mellan nöje på x-axeln och tid på y-axeln, med ett kluster av datapunkter i nedre vänster och ett tydligt skilt kluster i övre höger.

A/B-testning i R

Bedöma normalfördelning

shapiro.test(pizza$time)

    Shapiro-Wilk normality test
data:  pizza$time
W = 0.98686, p-value = 0.4282
  • Data är normalfördelade
shapiro.test(pizza$enjoyment)

    Shapiro-Wilk normality test
data:  pizza$enjoyment
W = 0.98916, p-value = 0.5971
  • Data är normalfördelade
A/B-testning i R

Pearson utan gruppuppdelning

cor.test(~ time + enjoyment, 
         data = pizza, 
         method = "pearson")

 

Variansandel: cor^2

0.30^2

[1] 0.09

Pearson's product-moment correlation

data:  time and enjoyment
t = 22.304, df = 88, p-value = 0.0218
alternative hypothesis: true correlation
is not equal to 0
95 percent confidence interval:
 0.8833166 0.9479256
sample estimates:
      cor 
0.3021878
A/B-testning i R

Pearson inom grupper

cor.test(~ time + enjoyment, 
         data = pizza, 
         subset = 
             (Topping == "Cheese"),
         method = "pearson")

Pearson's product-moment correlation

data:  Time and Enjoy
t = 11.121, df = 98, p-value < 2.2e-16
alternative hypothesis: true correlation 
is not equal to 0
95 percent confidence interval:
 0.6451710 0.8226595
sample estimates:
     cor 
0.746935
A/B-testning i R

Styrkeanalys

Pearson utan gruppuppdelning:

Pearson's product-moment correlation

data:  time and enjoyment
t = 22.304, df = 88, p-value = 0.0218
alternative hypothesis: true 
correlation is not equal to 0
95 percent confidence interval:
 0.8833166 0.9479256
sample estimates:
      cor 
0.3021878

library(pwr)
pwr.r.test(r = 0.302, n = 100, 
           sig.level = 0.022)

     approximate correlation power 
  calculation (arctangh transformation) 

              n = 100
              r = 0.302
      sig.level = 0.022
          power = 0.7853514
    alternative = two.sided
A/B-testning i R

Nu kör vi en övning!

A/B-testning i R

Preparing Video For Download...